基于DIVA模型的英语辅音发音错误自动校正方法

针对目前方法进行英语口语发音校正时,存在漏校正数量较高的问题,提出了基于DIVA模型的英语辅音发音错误自动校正方法。该方法首先依据DIVA模型(Directions into Velocities of Articulators Model)生成学习者语音辅音发音数据;结合HMM模型(Hidden Markov Model)建立学习者口语发音模型对数据进行训练提取数据特征;最后通过混淆的矩阵因素聚类算法计算学习者发音特征与正确发音数据之间的相似度,获取校正系数值,完成口语发音错误的校正。实验结果表明,运用该方法校正口语发音时的校正数量较高、校正成功率较好、漏校正数量较低。

基于DIVA模型的脑电信号去噪方法研究

脑电信号获取过程中,工频噪声干扰现象往往会使所获取的信息产生多种多形态瞬时结构波形,这种现象影响到DIVA(Directions Into Velocities of Articulators)模型对语音的正常处理.为此,本文提出了一种面向特征提取的脑电信号结构自适应稀疏分解模型,并在此基础上,通过采用匹配追踪算法求解最佳原子、使用过完备原子库中原子表示原始脑电信号等方法,实现了信号去噪的目的,效果好于传统的小波变换去噪方法.仿真实验表明,本文提出的方法提高了DIVA模型语音发音的精度.

基于DIVA模型的中文复合元音发音方法研究

DIVA(Directions Into Velocities of Articulators)模型是一种被用来对涉及大脑中有关语音生成和理解区域的功能进行仿真和描述的自适应神经网络模型,其依赖的语言背景是英文29个基本音素。由于汉语与英语发音区别很大,且加工脑机制也颇为不同,要想将汉语者大脑思维过程"阅读"出来,需要对模型汉语背景的适应性进行专门研究。在DIVA模型的基础上研究汉语复合元音的发音方法,探讨汉语者脑区语音生成与获取的相关问题。通过调节模型的共振峰以及模拟声道对应器官的参数,新构建的模型能很好地辨识汉语与英语元音的区别。该研究为DIVA模型汉语语音生成与获取奠定了良好的基础。

基于DIVA模型的脑电信号处理方法研究

DIVA(Directions Into of Articulators)模型是一种为了生成单词、音节或者音素而控制模拟声道运动的自适应神经网络模型,其依赖的输入信号是从人体大脑中采集到的脑电信号。针对汉语神经分析系统研究中非侵入式脑机接口采集到的脑电数据存在的分辨率低、干扰大的问题,文中提出一种基于DIVA模型对脑电信号进行约束处理的方法。首先利用独立分量分析方法剔除原始信号中的噪声,提取有效事件相关电位(Event-Related Potentials,ERP)成分;然后以模拟生成的功能性磁共振成像(functional Magnetic Resonance Imaging,fMRI)数据的激活点的空间信息作为限制条件,对提取出的ERP成分进行精确定位。通过对实验数据进行分析处理并模拟受试者的激活脑区,验证了所提方法的正确性和有效性。

基于DIVA模型的语音-映射单元自动获取

针对DIVA模型中存在的"感知能力与语音生成技巧发育不平衡"问题,提出了一种自动获取语音-映射单元的方法.该方法将人耳模拟为一个具有不同带宽的并联带通滤波器组,分别与模型中21维度的听觉存储空间相关联,对不同听觉的不同反应,分别考虑其频带的屏蔽效应、听觉响度与频率的关系.在读取语音输入信号的过程中,模型能较好地获得初始听觉表示,其方式与婴儿咿呀学语的过程基本一致.仿真实验表明,通过边界定义、相似性比较以及搜索更新等步骤,此方法能很好地进行初始输入模式的自组织匹配,并最终使DIVA模型更具语音获取的自然特性.

一种改进的伪逆控制方案在DIVA模型中的应用

语音生成与获取是一个涉及大脑诸多部位的复杂认知过程,这个过程包括一种从依照句法和语义组织句子或短语的表述一直延伸到音素产生的分层结构。DIVA(directions into velocities of artculators)模型,是一种关于语音生成与获取后描述相关处理过程的数学模型,也是一种为了生成单词、音节或者音素,用来控制模拟声道运动的自适应网络模型。在当今真正具有生物学意义的语音生成和获取的神经网络模型中,DIVA模型的定义和测试相对而言是最彻底的,并且是唯一一种应用伪逆控制方案的模型。文中引入基于零空间的伪逆算法,对DIVA模型中的伪逆控制求解算法进行改进,从而更加精确地获得了DIVA模型的相应参数,提高了DIVA模型的鲁棒性。

关于DIVA模型中语速对语音生成影响的研究

着重研究语速对语音生成的影响。过去有不少人对此进行了研究,指出语速的变化对元音和辅音的运动产生了不同的影响,但是具体是什么样的影响并没有明确指出。基于DIVA模型,通过修改ODV和AVV活动的公式对语速对元音和辅音运动产生的影响进行了研究和探讨。仿真实验表明,语速的增加导致了辅音运动速度的增加,但元音运动速度只增加了少量的值,有时甚至还会减小。最终得出的结论是:尽管语速对元音和辅音的运动速度产生了不同的影响,但最大速度与运动距离比值的增量却是大致相同的。

DIVA模型中运动感觉系统传输延迟问题的研究

语音生成与获取的控制问题,是机器人发声系统急需解决的问题。早期的DIVA(Directions Into Velocities of Articulators)模型并不完全具备神经生理学意义上的控制功能。为使机器人模拟声道发出类似人类语言的声音,解决好运动感觉系统中感官反馈时间延迟的问题,文中通过采用前馈控制机制补充反馈控制的策略,来处理语音运动控制方面的延迟问题,并且最后针对模型神经网络学习过程中延迟参数变化引起的网络状态扰动问题,进行了颚扰动补偿仿真实验。实验结果表明,其给出的方法行之有效且鲁棒性良好。

应用BIOCLIM生态位模型对松材线虫传入云南的风险评估

基于松材线虫的生物学和生态学特性,利用松材线虫在东亚的已知分布点数据和亚洲地区的19个生物气候变量图层,筛选出松材线虫适生性分布的主要生物气候变量。应用DIVA-GIS软件中的生态位模型BIOCLIM预测了该线虫在云南省的地理分布图,结合各县(市)寄主分布面积,对此地图栅格进行计算、统计分析,得到松材线虫在各县(市)的分布和适生程度。通过综合分析,确定了各县(市)风险等级:最高风险5县(市);很高风险41县(市);高度风险38县(市);中度风险22县(市);低度风险23县(市)。进一步利用ArcGIS9.0软件绘制出了松材线虫在云南的适生图和在129个县级单位的风险级别图。建议划定云南省北纬23°以北与北纬26°以南之间地区为主要防护区,其中瑞丽市及其疫点周边地区,广南县、师宗县、罗平县、丘北县以及普洱市北纬23°以北的地区及该市北纬23°以南的思茅区为重点防护区。

白花油麻藤的地理分布及适生区预测

白花油麻藤是豆科黧豆属大型木质藤本植物。运用Diva-Gis软件,结合海拔高度图层和植被图层绘制了白花油麻藤的地理分布图,分析了白花油麻藤的分布规律和生境特性;以Maxent模型作为物种适生性预测模型,温度和降水作为预测的环境因子,预测了白花油麻藤在中国的适生区。结果表明:白花油麻藤在中国27.5°N以南中低海拔10～1200m有分布,如山坡、路旁、沟谷、溪边及林下灌丛;喜温暖湿润气候,广东为白花油麻藤分布最为密集的地区。白花油麻藤的分布与植被类型和海拔有着密切的关系,分布区的植被类型为亚热带常绿阔叶林和热带季雨林,随着植被分布密度的降低和海拔的升高白花油麻藤的分布范围和分布密度呈逐渐缩小的趋势。白花油麻藤在中国的潜在分布区为粤、桂、闽、港、澳、滇、琼、赣、川、黔、藏、湘、浙等省区及交界处,其种质资源的保存及其利用应考虑其潜在分布区。

蛛网萼的地理分布模拟及迁移趋势预测

为探究国家Ⅱ级野生保护植物蛛网萼Platycrater arguta的地理分布格局,了解它在气候变化下地理迁移的趋势,运用DIVA-GIS软件及其整合的BIOCLIM和DOMAIN模型,结合经过筛选的80个精确分布点信息,对其潜在分布区进行预测并分析影响其分布的主要气候因子。2种模型的预测结果均表明:当下蛛网萼的潜在分布区集中在中国浙赣闽交界处和日本四国岛,且未来气候下蛛网萼的最适生活区有明显的缩小,低度适生区整体向西偏移,并有向高海拔迁移的趋势。受试者工作特征曲线(ROC曲线)检验表明:2种模型的ROC曲线下的面积(AUC值)均达到0.9以上,说明模型预测结果可信。对19个气候变量的主成分分析表明:第1主成分方差贡献率为95%以上,其中年降水量(BIO12),最湿季降水量(BIO16)和最暖季降水量(BIO18)载荷值较高,是影响蛛网萼分布的主要气候因子,表明水分是影响蛛网萼分布的主要因素。建议基于其预测的分布区域开展相应的调查与保护工作。

中国特有植物雪落樱桃潜在分布及其生态特征

为明确中国特有植物雪落樱桃(Cerasus xueluoensis)的潜在分布与居群生态特征,利用DIVA-GIS软件及其耦合的BIOCLIM模型,首次绘制了雪落樱桃适生区分布模拟图,并对影响其分布的主导气候因子进行了定性定量分析。结果表明,雪落樱桃当前潜在适生区主要分布在亚热带长江流域1 200 m以上高海拔山区,其中渝-鄂-湘三省交界的大巴山-巫山山脉可视为现代核心分布区,湘黔交界及湘南的南岭山脉可视为雪落樱桃潜在分布的南界,陕-豫-鄂交界山区的秦岭南麓可能是其潜在分布的北界。主成分分析(PCA)筛选的主导气候因子及其贡献率依次为:年降水量(bio12)>最冷季降水量(bio19)>最暖季降水量(bio18)>最湿季降水量(bio16),累计频率曲线进一步确定其适宜范围分别为:993.00~1 870.22、500.00~680.00、430.00~669.16和500.00~680.00mm,表明降水是影响雪落樱桃当下分布格局的主导气候限制因子。Pearson相关性分析表明,雪落樱桃分布格局在区域尺度上受海拔、经、纬度影响;最小树分析和聚类分析表明,雪落樱桃7个野生居群可划分为中西部与东部两大分支;受试者工作特征曲线(ROC) AUC值达到0.751,满足模型预测精度的基本要求。这些有助于为雪落樱桃制定科学合理的资源保护与科学引种规划。

层位约束网格层析速度建模方法在尼日尔AG区块的应用

准确成像一直是地球物理勘探的一个难题,叠前深度偏移技术虽然可以将地下地质构造准确归位到其真实深度及空间位置,但取决于速度建模的精度。为了能够获得准确的速度模型,基于GeoEast-Diva速度建模软件,应用层位约束的网格层析速度建模方法,在构造模型约束的基础上,利用不同尺度网格逐步进行层析反演、不断迭代,最终得到相对准确的速度模型,以提高成像质量。利用该方法对非洲尼日尔AG区块进行速度建模,结果表明,该方法可以建立高精度的深度域速度模型,成像结果能准确反映地下介质情况,深层底劈构造成像效果得到改善,由横向速度变化引起的构造假象得以消除。

益智的地理分布及适生区预测

[目的]研究益智在我国的地理分布,为其种植栽培、合理保护和开发利用提供理论依据。[方法]采用DIVA-GIS软件和Max Ent模型,基于益智在我国的地理分布信息,结合19个环境因子和2.5 min的空间分辨率进行分析,绘制出益智的地理分布图和潜在的适生等级分布图。[结果]海拔和植被类型对益智的地理分布有较大的影响。多数在我国30°N以南中低海拔10~1 200 m地区分布,少部分在中高海拔1 500~2 000 m地区分布。多生于山脚或中下半部、河溪旁等荫蔽且肥沃、湿润的土壤。随着海拔的升高,分布范围逐渐缩小和丰富度逐渐降低。随着植被类型的变化,植被分布密度降低,分布范围和丰富度都有降低的趋势。[结论]益智在我国潜在分布区为琼、粤、桂、渝、川、云、贵、闽、浙、湘等省区及交界处。

基于Maxent和ARCGIS的醉鱼草属植物适生区预测

为分析园林观赏植物醉鱼草属Buddleja在中国的潜在适生区,和环境因子对其在地理分布上的影响,基于世界气候数据网提供的19个气候因子数据,以及中国地区内128份可查证的分布点,运用最大熵模型及相关生物地理软件,模拟醉鱼草属植物在中国的潜在分布区,并通过刀切法得出影响其分布的主导气候因子。结果表明:醉鱼草属植物潜在适生区为西南云贵地区和东南江浙一带;暖季降雨量、冷季均温、温度季节变异系数、降雨季节变异系数是影响醉鱼草属植物分布的主导因子,其适宜生长在暖季降水量为200—2500 mm,冷季均温为-20—20℃的地区;醉鱼草适生区与年降水量具有一定的相关性,其分布边界与400 mm年等降水量线大致重合。

基于Maxent模型的小鳄龟潜在地理分布预测

小鳄龟(Chelydra serpentina)原产于美国和加拿大,是北美纬向分布最广的龟。由于该龟兼具食用价值与观赏价值,许多国家和地区将其作为肉食龟引种养殖,在宠物市场也是十分常见的品种。养殖中管理不善导致的逃逸,宠物饲养者弃养,以及信众的放生,已经使得一定量的个体流入到我国的自然环境中,一旦气候条件适宜便存在高度的入侵风险。为了确定我国哪些地区的气候条件与原产地相似,本研究采用最大熵模型(Maxent)对小鳄龟在世界范围内的潜在分布区进行预测,并重点关注我国的情况。结果显示欧洲、中国和日本均存在大面积的潜在分布区。在中国境内,长江中下游平原及河南省、陕西省为该物种的潜在地理分布。以上地区应当采取有效的预防措施防止小鳄龟在野外定殖。

基于CLIMEX和DIVA-GIS的瓜实蝇潜在地理分布预测

根据瓜实蝇Bactrocera cucurbitae(Coquillett)的生物学数据和已知地理分布信息,采用CLIM-EX软件的地点比较和DIVA-GIS软件的BIOCLIM两种模型研究瓜实蝇的潜在地理分布。结果表明两种模型均能准确预测出我国34.7～18.1°N,97.5～122.6°E范围内的19个省(市、自治区)是瓜实蝇的潜在地理分布区。广东、广西、海南、福建南部、云南南部、台湾西部以及四川盆地为高度适生区,江西、湖南、贵州、重庆、上海以及四川、云南、福建、浙江、江苏、安徽、湖北、陕西、河南、甘肃局部地区为中低度适生区。对全球的潜在分布区预测结果表明:瓜实蝇目前的地理分布还未达到其最大潜在地理分布范围,瓜实蝇随国际贸易进一步扩散的风险较高。对两种模型的进一步分析表明:在物种相关资料完整的情况下,CLIMEX的地点比较模型预测结果的准确性要高于DIVA-GIS的BIOCLIM模型。

基于DIVA模型的脑电信号识别方法

DIVA(Direction Into Velocities of Articulators)模型是一种描述人脑中涉及语音生成和语音理解区域所发挥的作用的数学模型,能对发音过程进行模拟,对语音脑机接口系统的设计具有指导意义,文章根据DIVA模型的定义和相关研究结论,对人在发音过程中的脑电信号进行了处理,首先利用小波包将脑电信号进行特征提取,之后使用SVM(Support Vector Machine)分类器进行分类.结果表明,该方法对发音过程的脑电信号特征提取和分类效果较好,识别率达到70%,为基于DIVA模型的语音脑机接口系统设计提供了一种思路,此外,实验的结论也印证了DIVA模型对于发音过程大脑区域激活情况的预测.

基于DIVA模型的汉语语音感兴趣区域的功能磁共振研究

DIVA(Direction Into Velocities of Articulators)模型作为一种数学模型,能够较为准确地描述人脑中涉及语音生成和语音理解脑区所发挥的作用,并对其过程进行模拟.但是DIVA模型所采用的语音感兴趣区域是基于英语语音研究而制定的.在汉语语音研究过程中,原有的感兴趣区域在反映汉语任务的脑区激活状态方面存在诸多不足.文章对汉语语音加工过程进行功能磁共振成像实验研究,并基于DIVA模型对实验结果进行分析后发现:与英语语音研究结果相比,右侧颞叶后部及相邻的缘上回,双侧枕叶腹侧区域出现了不同的激活状态.该实验结果为以后对DIVA模型进行汉语语音相关修改提供了良好的基础.

汉语神经分析系统研究现状与展望

在神经生理学和神经解剖学的基础上仿真和描述大脑中涉及语音生成和理解区域的相关功能是目前人工语音合成系统的重要研究领域.波士顿大学语音实验室Guenther教授及其所带领的研究小组成功研制出了一种称之为"神经分析系统(Neuralynx System)"的仪器.这种仪器可以让使用者将自己头脑里想象的东西用语音合成系统正确地表述出来,其所依赖的语言背景为英文的29个基本音素.能否将中国人大脑里想象的东西也"阅读出来"呢?汉语与英语的发音区别很大,加工脑机制也颇为不同,仅基本发音音素就多于70个.那么,要想构建适用于中国人思维过程的汉语神经分析系统CNS(Chinese Neuralynx System),需要在Guenther的研究基础上做些什么样的补充和修改,或者说,CNS本身有哪些需要关注的特殊问题,其发展趋势、重点和难点是哪些?这是本文要加以叙述和探讨的主要问题.本文内容包括:(1)Neuralynx System研究现状;(2)国际、国内有关CNS的研究现状及存在问题;(3)CNS发展趋势和展望.通过本文的介绍,期望从事语音生成与获取以及汉语脑机制等领域研究工作的研究者们能有所启迪和收获.